MakeMake The Dwarf Planet is a feed agregator.

Sondage de satisfaction suite à la PyConFR 2026

by entwanne from AFPy discuss

English version (cliquer pour plus de détails)

Bonjour à toutes et tous,

Si vous recevez ce mail c’est que vous vous étiez inscrit·e à la PyConFR 2026.

Nous tenions une fois encore à vous remercier pour cette PyConFR, c’est grâce à vous et votre soutien qu’un tel événement peut se tenir !
Pour celles et ceux qui n’ont pas pu faire le déplacement, on espère vous revoir une prochaine fois. :slight_smile:

Afin de nous aider à améliorer l’évènement, nous avons préparé un court sondage pour savoir ce que vous en avez pensé.
Que vous ayez pu venir ou non, des retours positifs comme négatifs, n’hésitez pas à y répondre :

Le sondage reste ouvert jusqu’au 30 novembre 2026.

N’hésitez pas à nous suivre sur nos différents réseaux :

Bonne journée et à bientôt,
L’équipe de la PyConFR

PS : N’oubliez pas non plus, si vous le souhaitez, de partager le support de vos conférences : https://discuss.afpy.org/t/les-supports-de-presentation-de-cette-superbe-pyconfr-2026

1 message - 1 participant(e)

Lire le sujet en entier

Lire la suite…

Lintorn : un outil en français qui vérifie que la mémoire de votre IA dit vrai

by DDam from Linuxfr.org

Bonjour à tous,

Je vous présente aujourd'hui Lintorn, un outil que j'ai créé avec l'aide d'une IA (Claude Code), open source sous licence AGPL.

Lintorn vérifie que la mémoire de votre agent IA et vos fichiers d'instructions (CLAUDE.md, AGENTS.md, .cursorrules…) disent encore la vérité sur votre code et votre documentation. Il fonctionne sans rien configurer, et des règles maison permettent d'ajouter vos propres contrôles. Tout est expliqué dans le README, sur GitLab, GitHub ou Framagit.

Lintorn aide les développeurs qui se servent de LLM pour coder, ce qui est maintenant devenu monnaie courante, et même recommandé dans certaines entreprises.

D'où il vient

Ce projet est né d'un problème que j'ai rencontré lors de la création d'une app : je me suis aperçu que la mémoire de l'IA pourrissait assez vite, surtout dans un jeune projet qui bouge beaucoup. Elle cite des fichiers déplacés, des fonctions renommées, et l'IA continue de s'y fier. J'ai réglé ce problème avec Lintorn, qui est devenu une bonne béquille.

Ce n'est pas qu'un linter de plus codé en Python, mais une vraie vigie qui contrôle à chaque push si le code est cohérent avec la mémoire de l'IA et la doc du projet.

Ce que ça donne

Un mini-projet de démonstration. Son CLAUDE.md affirme :

- Les factures sont calculées dans `app/factures.py`, par `calculer_total()`.
- Les remises sont appliquées par `appliquer_remise()` dans `app/remises.py`.

Sauf que app/remises.py n'existe pas, et appliquer_remise() non plus. Lintorn le voit :

[ !! ] Doc vs code      2 chemin(s) cite(s), 2 fonction(s) citee(s), 1 introuvable(s), 1 a verifier

Et le rapport détaille : app/remises.py est introuvable (« le document ment »), appliquer_remise() est un nom absent du code. Une IA qui lit ce CLAUDE.md irait chercher les remises dans un fichier qui n'existe pas. Avec le hook branché, le push est bloqué tant que ce n'est pas corrigé (ou que vous ne confirmez pas vouloir passer quand même).

Les LLM se font rattraper, et ils le disent

Lintorn surveille aussi la mémoire que Claude tient sur… Lintorn lui-même. Un jour, au push, il a marqué une de ses fiches « à relire » : des fichiers qu'elle citait avaient changé depuis sa dernière vérification. En la relisant, on a découvert qu'elle affirmait encore que le README était en anglais et que le projet en était à la version 0.3.0 avec 104 tests, alors que la 0.6.0 était déjà publiée, avec un README en français.

Depuis, Claude s'est écrit une règle dans sa propre mémoire : relire les fiches que Lintorn désigne, parce que « un [ ?? ] qui dure veut dire que je n'ai pas fait ma part ».

Lintorn est surveillé par Lintorn

Le rapport de Lintorn sur son propre dépôt :

=== Lintorn 0.7.0 - RAPPORT AUDIT ===
[ OK ] Ruff (lint Python)                 rien a signaler
[ OK ] Tests (pytest)                     643 test(s) passe(s), 2 ignore(s)
[ -- ] Code mort (vulture, consultatif)   NON EXECUTE (mode --rapide) - relancer sans --rapide
[ -- ] Failles connues (pip-audit)        NON EXECUTE (mode --rapide) - relancer sans --rapide
[ OK ] Configuration (Lintorn)            config.toml + regles.toml lu(s), 4 regle(s) maison chargee(s)
[ OK ] Doc vs code                        35 chemin(s) cite(s), 4 fonction(s) citee(s), 0 introuvable(s)
[ OK ] Memoire IA vs code                 55 chemin(s) cite(s), 23 fonction(s) citee(s), 0 introuvable(s)
[ OK ] Fraicheur memoire (git)            8 fraiche(s), 0 suspecte(s), 12 sans code cite, index epargne (ses fiches sont datees)
[ OK ] Regles maison                      4 regle(s) tenue(s) sur 64 fichier(s) lu(s)
[ OK ] Regles enoncees vs controlees      16 enoncee(s), 3 controlee(s), 13 hors de portee - aucune sans reponse
[ OK ] Hook pre-push (Lintorn)            branche et executable - Lintorn tournera avant chaque push
[ OK ] Python du projet (venv)            venv du projet : .venv
[ OK ] Audit complet (outils lents)       lance il y a 3 jour(s)
[ OK ] Defauts dans les fichiers pousses  2 fichier(s) pousse(s), aucun defaut connu dedans

L'essayer

pipx install lintorn
cd votre-projet
lintorn init      # lit le projet, écrit sa configuration
lintorn           # le premier rapport
lintorn hook      # le contrôle à chaque push

Lintorn n'est pas invasif : il ne lance rien dans votre projet sans votre accord. Par défaut, il n'exécute pas votre code, n'ouvre pas votre base et ne sort pas sur le réseau.

Il a été testé en conditions réelles sur des projets Python / Django et TypeScript / React / Vite.

Pourquoi au push

J'ai choisi le git push parce qu'au git commit, il peut être assez lourd. Mais dans un futur proche, je souhaite laisser le choix du moment où lancer le scan.

Et maintenant

Tout est en français (le code, les commandes, la doc), et c'est assumé !

J'ai besoin de testeurs. Testez-le et dites-moi ce que vous en pensez, ici en commentaire ou dans les tickets GitLab. Vos retours sont importants. 💪

Télécharger ce contenu au format EPUB

Commentaires : voir le flux Atom ouvrir dans le navigateur

Lire la suite…

Protection enfance / I.A

by couvinjulien from AFPy discuss

Bonjour,

Je porte ZÉRO ANGLE MORT, une initiative citoyenne visant à améliorer la transparence des engagements des entreprises d’IA en matière de protection de l’enfance.

Avec l’aide de ChatGPT, j’ai développé un petit contrôleur Python qui vérifie la cohérence de fiches documentaires. Il ne traite aucun contenu sensible.

La version actuelle passe 13 tests automatisés, mais je souhaite qu’un développeur indépendant puisse examiner le code et relever ses défauts.

Quelqu’un accepterait-il une courte revue bénévole, ou pourrait-il m’orienter vers une personne compétente ?

Je peux partager le code et les tests.

Merci beaucoup pour votre aide !

1 message - 1 participant(e)

Lire le sujet en entier

Lire la suite…